Le constat tient dans une arithmétique désagréable. La loi de Moore doublait la puissance de calcul tous les douze à dix-huit mois ; l'IA, aujourd'hui, double environ tous les six mois. Une entreprise qui croît de 10 % par an met sept ans à doubler. « Il y a un écart énorme entre la vitesse à laquelle les entreprises grandissent et la vitesse à laquelle l'IA grandit. »

Le mécanisme explique pourquoi cet écart ne se voit pas. Le danger n'est pas de mourir, c'est de ne pas s'en rendre compte : les dinosaures ne se sont pas éteints en une nuit, ils ont décliné longtemps sans savoir qu'ils déclinaient. « Personne ne se sent comme un dinosaure, jusqu'au jour où l'on découvre que son entreprise est morte, ou très loin d'où elle aurait dû être. » Trois excuses entretiennent l'illusion. « Nous, on n'est pas dans ce métier » : chaque espèce éteinte était un spécialiste. « On fait un pilote, ça avance » : un POC qui ne passe pas en production n'est qu'une ligne de coût. « On attendra que ça se décante » : plus tard, ce n'est plus un avantage, c'est un rattrapage.

Reste le chiffre que tout le monde brandit pour se rassurer, celui du MIT : 95 % des pilotes d'IA générative échouent. Sa lecture est inverse. « Ce n'est pas un problème d'IA. C'est un problème de la manière dont on applique cette technologie à son entreprise. » McKinsey dit la même chose autrement : 62 % expérimentent, 23 % passent à l'échelle, 6 % voient de la valeur réelle. Là où d'autres lisent un échec collectif, il lit une fenêtre : les 94 % restants sont l'opportunité. Le dossier de ce numéro (p. 25) décortique ce que font les 6 % qui réussissent.

Vient alors la question la plus utile de la keynote : qu'est-ce qui vous appartient vraiment ? Les modèles, vous les louez. Les prompts, vous les louez : celui d'il y a trois ans n'a rien à voir avec celui d'aujourd'hui. Les interfaces, vous les louez. Trois choses vous appartiennent : vos données et le pipeline qui les nettoie ; votre manière d'évaluer les résultats, donc votre culture ; et votre jugement. « Deux de ces trois choses ne relèvent pas de l'IT. La pire chose que vous puissiez faire, désolé pour les équipes IT dans la salle, c'est de laisser l'IT conduire la discussion IA. »

Le reste tient en trois exigences. La qualité des données et des processus : « où sont vos SOP ? », question qui provoque en général un silence gêné. La sécurité, parce qu'un agent est un employé avec accès aux systèmes. Et l'intégration, dont il balaie l'objection habituelle : « même un vieil AS/400, même un système COBOL peut se connecter. Le problème n'est pas le legacy, ce sont les processus autour du legacy. » Il termine par une question qu'il refuse d'éclaircir : si l'entreprise moderne s'est construite à une époque où penser coûtait cher, et si l'intelligence devient soudainement bon marché, où placez-vous le curseur entre ce que vous automatisez et ce que vous gardez dans les mains des humains ?

Le mécanisme passe par deux signaux physiologiques. Le premier est banal jusqu'aux chiffres : la posture. À quinze degrés d'inclinaison, votre nuque supporte l'équivalent de douze kilos ; à trente, dix-huit ; à soixante, vingt-sept. Le second est plus grave : plus nous sous-traitons notre pensée, moins nous créons de connexions neuronales, et le cortex préfrontal, comme un muscle, se rétracte faute d'usage. « Nous devenons plus semblables à des machines, au lieu d'être humains. » C'est le point où il rejoint les intervenants du matin : le débat sur l'école n'est pas pédagogique, c'est un débat sur ce qu'on protège.

01 · Patterns → but. Les machines suivent des patterns ; les humains suivent un but. Sa formule à compléter : « Je suis le/la [métaphore] qui [verbe d'action] [impact positif]. » Il cite Simon Sinek, « je suis l'optimiste qui inspire les gens à faire ce qui les inspire ». Le point commun de tous ces énoncés : le service rendu à d'autres.

02 · Logique → valeurs. Trois valeurs maximum, rendues visibles dans les mots et les actes quotidiens. « Les valeurs ne se déclarent pas, elles se montrent. Les parents dans la salle le savent : nos enfants suivent ce que nous faisons, pas ce que nous disons. » L'exercice pour les trouver : décrivez-vous par un objet, puis nommez trois qualités de cet objet.

03 · Règles → intuition. Son axe préféré, le plus inattendu dans une conférence sur l'IA. Il distingue l'esprit cognitif de l'esprit somatique, celui du corps. Trois conseils pour retrouver l'intuition : s'arrêter et se mettre à l'écoute ; la ressentir sans la forcer ; la faire grandir par la pratique. « Rarement, très rarement, votre intuition vous trompe. » Si nous ne l'écoutons pas : le bruit ambiant, et notre manie de la passer immédiatement à l'analyse jusqu'à la dissoudre.

04 · Code → conscience. « Le code exécute, la conscience humanise. Le rôle des machines est de faire que ça marche. Le nôtre est de faire que ce soit juste. » Il en tire le test à trois questions de la page précédente, probablement l'outil le plus directement utilisable de la journée.

05 · Efficacité → empathie. Trois mots qu'on confond : la sympathie, ressentir pour vous ; l'empathie, ressentir avec vous ; la compassion, l'empathie plus l'action. « Les gens se souviennent de vous pour ce que vous leur avez fait ressentir, pas pour votre efficacité. » Quatre gestes : écouter sans juger, voir depuis leur perspective, reconnaître l'émotion, agir. Avec une nuance que beaucoup de managers gagneraient à entendre : le plus souvent, les gens n'attendent pas que vous agissiez. Ils veulent se sentir vus et entendus.

Et il termine sur les trois besoins émotionnels fondamentaux : être vu, être entendu, être reconnu. C'est là qu'arrive la phrase qui a fait taire la salle. Ces systèmes ont été conçus, avec l'aide de neuroscientifiques, pour être d'accord avec vous. Un biais de validation intégré. Résultat : ils vous font sentir vu, entendu, reconnu, et ils commencent à remplacer notre capacité à obtenir cela les uns des autres. « J'ai peur que mes enfants se sentent plus connectés à ChatGPT qu'à moi. Qu'ils s'ouvrent plus facilement à une machine qu'à leurs parents. C'est un troisième signal d'alarme, pour moi aussi. »

Pourquoi la proportion est contre-intuitive. Le modèle est l'objet qu'on achète, la ligne qu'on budgète, la démo qu'on montre au board. Le 70 % restant est invisible dans un devis : redessiner un processus, former par métier, changer ce qu'on mesure, tenir les conversations inconfortables. Les organisations financent donc naturellement ce qui se voit. C'est exactement l'inversion que BCG mesure chez les retardataires. Et c'est la version statistique de ce que la scène du Caudan a répété toute la journée : le rewiring de Marc Israel, le poisson de Jenny Korten, le mindset de Manish Bundhun. Sept intervenants, sans se concerter, ont décrit le 70 %.

Le gap externe : vous contre vos concurrents. Sur la courbe d'adoption de Rogers, la profitabilité se concentre chez les premiers adoptants ; au-delà de la majorité tardive, l'écart devient difficile à rattraper, parce que les avances se composent : chaque trimestre d'usage améliore les données, les processus et le jugement du concurrent qui a commencé avant vous. La position exacte sur la courbe importe moins que sa direction : si vos concurrents opérationnalisent et que vous pilotez, l'écart se creuse chaque trimestre, silencieusement.

Le gap interne : vos équipes contre vous. Pendant que vous parlez d'IA en comité de direction, vos salariés l'utilisent déjà, sur leur navigateur, sans gouvernance. L'angle mort est dangereux parce qu'il ressemble à une bonne nouvelle : « nos équipes s'y mettent ». Mais l'usage individuel non gouverné produit de la productivité personnelle et rien d'autre : pas de processus partagé, pas de donnée capitalisée, pas d'apprentissage collectif. Et la crédibilité du leadership s'érode : selon Gartner, seuls 8 % des managers sont réellement compétents en IA. Interdire aggrave (le shadow IA, p. 14). Laisser faire disperse. La seule sortie : gouverner l'usage existant, le canaliser vers des cas d'équipe, et former les managers en premier.

Le constat local reproduit le constat mondial (McKinsey : 88 % d'adoption, 6 % d'impact), sur une mesure indépendante. 83 % des répondants se déclarent à l'aise avec l'IA, et 88 % s'en servent. Mais l'usage reste personnel : à la question « à quoi vous sert l'IA », la réponse la plus choisie de tout le questionnaire est « je ne l'utilise pas encore pour mon travail », à 44 %. Le pilotage raconte la même histoire : 52 % suivent encore leurs indicateurs sur des tableurs Excel, et seulement 15 % disposent de tableaux de bord automatisés. Les outils sont dans les mains ; la valeur est restée sur la table.

L'écart est d'autant plus frappant que ces dirigeants savent ce qu'il faudrait réparer. Leurs difficultés principales : recruter et garder les bonnes personnes (38 %), avancer trop lentement face aux concurrents (24 %), trop de copier-coller manuel (21 %), des équipes qui collaborent mal (20 %). Et les décisions qu'ils jugent les plus difficiles, expansion stratégique (34 %), budget et prévisions (33 %), allocation des ressources (31 %), sont précisément celles que de meilleures données amélioreraient. La moitié du marché les prend encore sur un tableur.

L'intention est là, la méthode manque. 87 % ont envisagé l'IA comme solution ; mais 61 % ont « creusé le sujet par eux-mêmes ». Seuls 21 % ont fait appel à une expertise extérieure, et 18 % ont réellement formé leurs équipes. Chez ceux qui n'ont pas adopté, les freins ne sont pas du scepticisme : la maturité de l'entreprise (51 %) et le manque d'accompagnement (45 %). C'est un marché qui demande qu'on lui montre le chemin, et qui dit comment : de la pratique concrète (59 %), des exemples réels de son secteur (34 %), les fondamentaux pour toute l'équipe (48 %).